题目：微小型无人飞行器室内三维SLAM算法的研究与实现

与地面机器人相比，微小型无人飞行器能够在复杂环境中自由运动，更加适合执行对未知环境的感知与探测。近几年，PrimeSense公司推出了一款基于激光散斑原理测量深度的RGB-D传感器。该传感器具有低成本、小巧且三维测距的优点，很适合用于机器人感知领域。同时定位与构图最早被用于解决地面机器人在无GPS信号的未知环境中的导航问题，最近也被用于辅助无人飞行器完成在室内的定位与感知。然而微小型无人机负载有限且运动较快，其室内定位问题仍有待进一步解决。

本文在研究无人飞行器同时定位与构图关键技术的基础上，分析比较了国内外常用算法的优缺点，设计了一套无人机室内三维同时定位与构图方案，提出了一种改进的视觉测程算法，并对该方案进行了测试和验证。本文的主要研究内容和创新点包括：

第一，设计了一套微小型无人机的室内三维同时定位与构图方案。其中，选用四旋翼飞行器作为飞行平台，并在其上搭载RGB-D传感器与嵌入式计算机。机载平台运行相对运动估测模块与闭环检测模块，并以一种改进的方式通过无线网络传输轨迹及RGB-D数据至地面站；地面站则运行位姿校正模块并实现构图。

第二，比较了国内外常用的一些相对运动估测算法，提出了一种改进的视觉测程算法。传统的立体视觉测程主要包括图像预处理、特征检测、特征匹配、内点检测、运动估测这几个步骤。由于环境中存在的对称情况及运动造成的图像模糊，会导致很多错误的匹配。用以解决该问题的内点检测方法只是在匹配结果中去除部分错误匹配，而改进方法在完成运动估测后，结合估测结果再次执行匹配以得到更多更准确的匹配特征，并基于新结果重新估测。实验证明，改进方法在保证实时性的同时，也得到了更准确的估测结果。

第三，设计了一种闭环检测与位姿校正方案。闭环检测采用关键帧技术实现高效的历史图像存储并以一定的机制加以维护；同时为保证地图的全局一致，采用效果较好的基于图的位姿校正算法对轨迹进行优化。

第四，实现并测试了各算法模块，同时完成了微小型无人飞行器三维同时定位与构图演示系统的搭建。